当大模型从“文本生成”走向“自主行动”，软件产业的底层逻辑正在发生结构性迁移。VC Tomer Tunguz 将这一转型精准概括为：从软件时代到“智能体框架”时代。AI 不再是需要提示的“打字机”，而是一匹能力强大却需要系统性驯服的野马——驯服工具就是智能体框架。他拆解的七个核心组件，为创业公司提供了一份可落地的工程检查清单。

第一个组件：上下文与记忆。智能体必须记住用户是谁、历史对话、业务规则，甚至跨会话的知识。这与传统软件里“状态”概念不同——它更接近人类心智中的“工作记忆”和“长期记忆”的混合。创业公司需要在向量数据库、缓存策略、会话管理上做出取舍，否则智能体会在每一轮“失忆”。

第二个组件：工具与行动。智能体不是自言自语，它需要调用 API、执行代码、查询数据库、操作文件。工具层决定了智能体的能力边界。与 SaaS 时代的“集成”不同，智能体下的工具调用是动态的、推理驱动的——模型自主选择何时调用何工具。这要求创业者设计出易扩展、安全可控的插件生态。

第三个组件：编排与循环。一个任务由多个子任务组成，智能体需要规划步骤、执行、观察结果、修正。编排引擎就像“操作系统”，管理任务管线、异常重试、分支跳转。当前流行的 ReAct、Plan-and-Solve 范式都属此列。缺少严谨编排，智能体会陷入无限循环或低效重试。

第四个组件：状态与持久性。智能体运行过程中产生大量中间状态（如部分完成的表单、半生成代码），需要可靠的存储和恢复机制。这与传统软件的“断点续传”类似，但粒度更细、不确定性更高。创业者需考虑在何种粒度保存状态，以及如何序列化多模态上下文。

第五个组件：沙箱与计算。智能体执行代码或调用外部服务时，必须运行在隔离环境中，避免破坏宿主系统或泄露数据。沙箱不仅包含容器化，还涉及资源配额、超时控制、代码安全审计。云服务商的 serverless 函数或浏览器内的 WebAssembly 成为热门选择。

第六个组件：可观测性与治理。企业级部署要求智能体的行为可被审计、可回放、可解释。这意味着需要记录思考链、决策日志、 token 消耗、延迟数据，并提供 Dashboard。治理还包括权限模型——哪些用户允许智能体做什么。这是智能体与传统 AI 产品最大的区别：不再以“黑盒”形式输出，而是以“透明代理人”形式运作。

第七个组件：成本与工作流优化。大模型调用成本高昂，一个复杂的智能体可能在一次任务中调用数十次模型。创业者必须设计缓存机制、模型降级策略（如简单任务用小模型）、批处理与流式开销管理。工作流优化则是将高频路径提前固化，减少推理次数。

对这七个组件的理解深度，将决定创业公司在智能体时代能走多远。当大模型本身趋于通用化和同质化（如 GPT-4、Claude 系列性能差距缩小），护城河不再是“我们的模型更强”，而是“我们的智能体更可控、更可靠、更经济”。那些能把这七块积木搭成高效系统的团队，将在下一代软件竞争中胜出。反之，只做模型调用封装而不构建任何框架能力的玩家，会迅速丧失定价权。

对创业者而言，这份清单是一份值得反复对照的“未完成清单”。不必在空谈中焦虑，而在工程中持续迭代。谁先跨越从“演示级”到“生产级”的鸿沟，谁就拿到了智能体时代的船票。